[发明专利]行人重识别方法及装置

权利要求书

1.一种行人重识别方法，其特征在于，所述方法包括：

获取待识别的行人图像数据；

将所述行人图像数据输入预置的行人重识别模型，得到所述行人重识别模型输出的所述行人图像数据的第一描述特征，其中，训练所述行人重识别模型所采用的训练数据集中的样本图像数据的描述特征经由归一化风格移除处理和上下文内容恢复处理得到；

根据所述第一描述特征与图像数据库中的在库描述特征确定行人重识别结果。

2.根据权利要求1所述的方法，其特征在于，所述行人重识别模型的训练方法包括：

对第一样本图像数据、第二样本图像数据和第三样本图像数据分别依次进行归一化风格移除处理和上下文内容恢复处理，得到处理数据组并根据所述处理数据组获取损失函数值，其中，所述第一样本图像数据、所述第二样本图像数据和所述第三样本图像数据为所述训练数据集中同一批次的样本图像数据，所述第二样本图像数据为所述第一样本图像数据的同类样本图像数据，所述第三样本图像数据为所述第一样本图像数据的异类样本图像数据；

根据所述损失函数值对初始模型进行训练，直到所述损失函数收敛，得到所述行人重识别模型。

3.根据权利要求2所述的方法，其特征在于，所述归一化风格移除处理和上下文内容恢复处理步骤包括：

获取当前样本图像数据的第二描述特征；

将所述第二描述特征输入残差网络进行归一化风格移除处理，得到第三描述特征；

将所述第二描述特征和所述第三描述特征的差值分别输入卷积神经网络的第一注意力分支和第二注意力分支，得到第一有用分支输出特征和第一无用分支输出特征；

将所述第一有用分支输出特征和所述第一无用分支输出特征分别与所述第三描述特征相加，得到第二有用分支输出特征和第二无用分支输出特征并将所述第二有用分支输出特征和所述第二无用分支输出特征加入所述处理数据组。

4.根据权利要求2所述的方法，其特征在于，所述损失函数值对应的损失函数包括行人重识别损失部分和对偶损失部分，根据所述处理数据组获取损失函数值，包括：

获取所述第一样本图像数据对应的第二有用分支输出特征与所述第二样本图像数据对应的第二有用分支输出特征的第一距离；

获取所述第一样本图像数据对应的第二无用分支输出特征与所述第二样本图像数据对应的第二无用分支输出特征的第二距离；

获取所述第一样本图像数据对应的第二无用分支输出特征与所述第三样本图像数据对应的第二无用分支输出特征的第三距离；

获取所述第一样本图像数据对应的第二有用分支输出特征与所述第三样本图像数据对应的第二有用分支输出特征的第四距离；

根据所述第一距离、所述第二距离、所述第三距离和所述第四距离获取所述对偶损失部分函数值；

根据重识别损失部分函数值和所述对偶损失部分函数值获取所述损失函数值。